人工智能课程教学大纲

策划：PPT人工智能课程教学大纲-课程概述课程简介课程目标教学内容及实施手段考核方式参考教材与资源实验安排项目实践论文阅读与报告目录1课程概述课程概述英文名称：ArtificialIntelligence课程名称：人工智能课程代码：22125029课程性质：专业选修课学分：2总学时：32学时先修课程：Python数据分析开课学期：第六学期开课单位：计算机与电气工程学院适用专业：网络工程2课程简介课程简介需具备概率统计、线性代数等基础知识包括PyTorch基础、线性判据与回归方法、无监督学习与有监督学习的基本理论与方法、特征提取(K-L变换和主成分分析)、基于距离的分类方法、卷积神经网络等基础要求主要内容掌握机器学习的一般方法及深度学习网络模型的构建、评价、参数调优和网络优化方法课程目标3课程目标课程目标能运用概率统计和线性代数等基础知识，建模描述分类问题求解、特征提取与区分等问题，并写出求解算法课程目标1(问题分析)熟悉和理解几种神经网络模型，能对训练后模型的结果进行解释和评价，并提出改进方法课程目标2(模型实现)指导学生阅读深度学习论文，了解人工智能新技术与实现，提升综合素质课程目标3(论文阅读)4教学内容及实施手段教学内容及实施手段>第一章PyTorch基础掌握JupyterLab工具、PyTorch数据操作、自动求梯度方法内容要求能熟练使用PyTorch进行数据操作和模型构建学生成果教学内容及实施手段第二章线性模型内容要求线性回归及其实现：学会线性回归的向量表示逻辑回归及其实现：理解Sigmoid函数与损失函数Fisher线性判据：掌握Fisher判据的基本思想支持向量机：理解支持向量机定义、拉格朗日对偶求解方法教学内容及实施手段第三章无监督学习内容要求特征提取K-L变换：理解K-L变换的基本原理，学会计算无监督特征学习：掌握主成分分析的计算方法基于距离的分类器：理解MED分类器、MICD分类器及特征白化方法教学内容及实施手段第四章神经网络内容要求前馈神经网络：学会用PyTorch构建简单神经网络模型手写体识别的实现：分析用简单神经网络识别手写体的方法教学内容及实施手段第五章卷积神经网络内容要求卷积神经网络：掌握各层shape的变化，理解其定义与实现典型卷积神经网络：掌握LeNet-5的构建方法，理解其结构与实现AleNet的实现：分析AleNet的构建方法5考核方式考核方式平时成绩包括课堂表现、作业完成情况实验成绩基于PyTorch的模型实现与优化实验期末考试理论知识与实践能力综合考核6参考教材与资源参考教材与资源辅助资源PyTorch官方文档、经典论文阅读材料主要教材《人工智能基础》《深度学习入门》7实验安排实验安排实验一：PyTorch环境配置与基础操作内容要求安装并配置PyTorch环境了解JupyterLab的基本操作与界面掌握PyTorch中张量的创建、索引与运算实验成果：能够独立配置PyTorch环境，并完成基础操作实验安排实验二：线性模型实现与评估内容要求实现线性回归模型：并使用数据进行训练与评估实现逻辑回归模型：并使用数据进行训练与评估理解并实现Fisher线性判据实验成果：能够使用线性模型解决分类或回归问题，并评估模型性能实验安排实验三：无监督学习算法实现内容要求实现K-L变换进行特征提取实现主成分分析进行降维处理理解并实现基于距离的分类器(如MED、MICD)实验成果：能够应用无监督学习算法进行特征提取或分类实验安排实验四：神经网络构建与训练内容要求使用PyTorch构建简单的神经网络模型：如前馈神经网络对手写体数据进行预处理：并使用神经网络进行识别理解并实现模型的训练过程：包括前向传播、反向传播等实验成果：能够构建并训练简单的神经网络模型，用于解决特定问题实验安排实验五：卷积神经网络实现与优化内容要求理解卷积神经网络各层的作用与计算方式实现LeNet-5等典型卷积神经网络模型：并进行训练与评估理解并尝试优化卷积神经网络的性能：如参数调优、网络结构优化等实验成果：能够构建并优化卷积神经网络模型，提高其性能与效率8项目实践项目实践项目一：手写体数字识别系统目标构建一个基于卷积神经网络的手写体数字识别系统任务数据集准备：从Kaggle等平台下载手写体数字数据集，进行预处理(如归一化、大小调整等)项目实践模型优化根据评估结果对模型进行优化，如调整超参数、增加数据增强等04模型训练对模型进行训练，使用适当的优化算法和损失函数02模型构建使用PyTorch构建卷积神经网络模型，如LeNet-5或更复杂的网络结构01模型评估使用测试集对模型进行评估，计算准确率等指标03成果一个能够识别手写体数字的卷积神经网络模型，以及详细的实验报告和代码实现05项目实践项目二：图像分类系统目标构建一个基于卷积神经网络的图像分类系统任务数据集准备：从公开的图像分类数据集(如CIFAR-10、ImageNet等)中选取子集，进行预处理项目实践模型构建：根据任务需求选择合适的卷积神经网络结构，如AleNet、VGG等模型训练：对模型进行训练，使用适当的数据增强和正则化技术模型评估：使用测试集对模型进行评估，计算分类准确率等指标模型优化：根据评估结果对模型进行优化，如调整网络结构、增加层数等成果：一个能够进行图像分类的卷积神经网络模型，以及详细的实验报告和代码实现9论文阅读与报告9论文阅读与报告论文阅读与报告1.论文阅读任务学生需每周阅读一篇关于人工智能或深度学习的最新论文，并提交阅读笔记内容要求论文阅读与报告1论文选择：从知名学术期刊(如NeuralInformationProcessingSystems(NeurIPS),InternationalConferenceonMachineLearning(ICML),JournalofMachineLearningResearch(JMLR)等)中选取2理解论文的主要思想、方法、实验设置及结果3撰写阅读笔记：包括但不限于论文背景、贡献、优缺点及对未来研究方向的看法4成果：学生将通过阅读和撰写笔记，提升对人工智能最新研究的理解与批判性思考能力9论文阅读与报告9论文阅读与报告论文阅读与报告1.论文阅读任务学生需每周阅读一篇关于人工智能或深度学习的最新论文，并提交阅读笔记内容要求论文选择：从知名学术期刊或会议(如NeurIPS,ICML,JMLR,CVPR,ECCV等)中选取理解论文的主要思想、方法、实验设置及结果撰写阅读笔记：包括但不限于论文背景、贡献、优缺点及对未来研究方向的看法成果：学生将通过阅读和撰写笔记，提升对人工智能最新研究的理解与批判性思考能力9论文阅读与报告论文阅读与报告1.论文阅读任务学生需每周阅读一篇关于人工智能或深度学习的最新论文，并提交阅读笔记内容要求论文选择：从知名学术期刊或会议(如NeurIPS,ICML,JMLR,CVPR,ECCV等)中选取理解论文的主要思想、方法、实验设置及结果撰写阅读笔记：包括但不限于论文背景、贡献、优缺点及对未来研究方向的看法成果：学生将通过阅读和撰写笔记，提升对人工智能最新研究的理解与批判性思考能力9论文阅读与报告论文阅读与报告1.论文阅读任务学生需每周阅读一篇关于人工智能或深度学习的最新论文，并提交阅读笔记内容要求论文阅读与报告1论文选择：从知名学术期刊或会议(如NeurIPS,ICML,JMLR,CVPR,EC